Tjalling Bosse

LUMC

Kort samengevat, behelst het onderzoek van Tjalling Bosse het volgende: 

AIR-MEC: Artificial Intelligence to Refine the Molecular Endometrial Cancer Classification

'Endometrial (womb) cancer is the most common gynaecological malignancy in the Western world, affecting 100,000 women each year in Europe alone. While most women with endometrial cancers are cured by treatment, our inability to identify when surgery alone is sufficient means that many patients receive radiotherapy or chemotherapy that they did not need. For the appreciable fraction of women whose disease has spread at the time of diagnosis, or returns after surgery, the prognosis is poor and treatment options are limited.

Predicting spread or recurrence of endometrial cancer following surgery, and decisions to give additional treatments, have traditionally been based on the appearance of the cancer under a microscope. My previous work has shown that these predictions can be improved by also doing molecular (genetic) tumor testing. This helps to determine the specific type of endometrial cancer and predict how it will behave; however, such molecular testing is costly and not available everywhere.

Artificial intelligence could provide additional information to that which we currently get from molecular testing, and in hospitals where molecular testing is unavailable, serve as an alternative. In this project we will combine image analysis with molecular testing results from participants with womb cancer from the PORTEC trials. This represents an extremely powerful dataset and is one of the world’s largest collections of endometrial cancers. AIR-MEC should help us to better predict outcomes for patients depending on their specific endometrial cancer type and tailor treatments accordingly. '

Korte samenvatting van voortgang / resultaten november 2023

Het AIRMEC project kent een vliegende start doordat het team snel een talentvolle PhD (Sarah Fremond) heeft kunnen aantrekken. Zij heeft samen met het team in het 1st jaar het fundament gelegd voor het AIRMEC project door > 3000 weefselcoupes van > 3000 baarmoederkanker patiënten te digitaliseren. Dit is s ’werelds grootste dataset die ingezet kan worden voor de doelen van AIRMEC; het doen van klinisch relevant voorspellingen op basis van deze beelden. Het eerste model waar aan is gewerkt is in staat om de moleculaire afwijking van de tumor te voorspellen, welke sterk gekoppeld is aan de prognose. De 1ste versie van dit model geeft al zeer goede resultaten en heeft al belangrijke informatie opgeleverd. Deze eerste resultaten zijn internationaal al hoog gewaardeerd, resulterend in een “oral-platform” presentatie op een groot internationaal congres in Maart 2022 (USCAP, Los Angeles, USA). Dit 1ste werk is gepubliceerd in februari 2023 in Lancet Digital Health. Het 2de model waar het team aan heeft gewerkt is zeer innovatief, en maakt gebruik van een multimodaal ontwerp door tumorbeelden te combineren met klinische informatie (in dit geval tumor stadium) en daarmee de kans op ziekte terugkeer te voorspellen. Dit model geeft een betere inschatting op recidifief kans dan de huidige gouden standaard. Deze bijzondere bevinding werd voor het eerst gepresenteerd aan het internationale publiek bij de AACR in Florida 2023. Er was veel media aandacht voor dit nieuwe model dat ook geselecteerd was voor de AACR persconferentie. Het werk wordt nu klaargemaakt voor publicatie.

Korte samenvatting van voortgang / resultaten december 2022

Het AIRMEC team heeft belangrijke doelen voor dit jaar behaald, zoals het afronden en publiceren van het 1ste model in de wereld dat in staat is om moleculaire tumor klasse te voorspellen op basis van microscopie beelden (im4MEC model). In 2022 heeft de PhD kandidaat op dit project (Sarah Fremond) dit werk gepresenteerd aan internationaal publiek in Amerika tijdens het USCAP congres in Los Angeles. Later in het jaar, kreeg het werk ook in Europa veel aandacht tijdens een groot europees congres in de gynecologische oncologie (ESGO) in Berlijn. Het ontwikkelde kunstmatige intelligentie model is in staat om op basis van microscopie beelden te voorspellen tot welke moleculaire groep de tumor behoord. Hiervoor zijn normaal gesproken dure, geavanceerde moleculaire technieken nodig. Bovendien heeft het AIRMEC team een interpreteerbaar model gemaakt, zodat het inzichtelijk is op basis van welke visuele informatie het model zijn voorspellingen doet. Dit is een belangrijke 1ste stap in dit ambiteuze project. Voor het komende jaar zal het team zich richten op het ontwikkelen van weer een nieuw model, maar nu een die kan voorspellen of patienten afstandsmetastase zullen ontwikkelen. Een dergelijk model zou de eerste in zijn soort zijn. 

Korte samenvatting van voortgang / resultaten juli 2022

Het AIRMEC project kent een vliegende start doordat het team snel een talentvolle PhD (Sarah Fremond) heeft kunnen aantrekken. Zij heeft samen met het team in het 1st jaar het fundament gelegd voor het AIRMEC project door >2000 weefselcoupes van >2000 baarmoederkanker patiënten te digitaliseren. Dit is s ’werelds grootste dataset die ingezet kan worden voor de doelen van AIRMEC; het doen van klinisch relevant voorspellingen op basis van deze beelden. Het eerste model waar aan is gewerkt is in staat om de moleculaire afwijking van de tumor te voorspellen, welke sterk gekoppeld is aan de prognose. De 1ste versie van dit model geeft al zeer goede resultaten en heeft al belangrijke informatie opgeleverd. Deze eerste resultaten zijn internationaal al hoog gewaardeerd, resulterend in een “oral-platform” presentatie op een groot internationaal congres in Maart 2022 (USCAP, Los Angeles, USA). Het AIRMEC team verwacht in 2022 het model verder te verfijnen en de resultaten te publiceren.

Publicaties 2022

Het AIRMEC-team onder leiding van dr. Tjalling Bosse (als patholoog verbonden aan het LUMC) heeft een AI-model ontwikkeld waarmee moleculaire veranderingen in een tumor kunnen worden voorspelt op basis van de microscopie beelden van de tumor. Dit is voor het eerst dat een AI-model in staat is om een dergelijk complexe taak uit te voeren, toegepast op baarmoederkanker. Belangrijk onderdeel van deze AIRMEC studie is dat het AI-model geen zogenaamde “black-box” is maar dat de AIRMEC-onderzoekers ook in staat zijn geweest om duidelijk te krijgen op basis van welke visuele informatie het model tot voorspellingen komt. Dit heeft belangrijke nieuwe inzichten opgeleverd voor verbeterde diagnostiek van baarmoederkanker. AIRMEC is een project dat gefinancierd wordt door het Hanarth Fonds.  Meer informatie vindt u hier.